Cognition的SWE-2在Terminal-Bench 2.1上达到92.8分

# SWE-2 - Tokenstead 来源：https://tokenstead.ai/models/swe-2 TokensteadTokenstead (https://tokenstead.ai/) **2.8万亿总参数，每token激活1040亿参数（混合专家模型）**——基于Kimi K3基础模型，叠加了Cognition的后训练，这也是Cognition首次将强化学习扩展到数万亿参数级别。基础模型本身已针对智能体编码进行了大量强化学习训练；Cognition的后处理在大多数基准测试中又提升了5到6个百分点。 - **服务栈：**采用NVFP4和FP8内核进行混合专家模型推理，并结合量化感知训练；FP8在MLA层中承载K、Q、V及分数计算。经过SpecForge重训练的草稿模型将平均接受长度延长了15%，而预填充延迟器则将每GPU吞吐量（TPM）和每请求处理速度（tokens/sec）提升了10%至20%（首次token生成时间（TTFT）会受到影响）。 - **努力级别：**平均每次运行步数：53（中等）、80（高）、98（最大），对比SWE-1.7的127步。中等努力级别在FrontierCode基准上得分高于SWE-1.7，且所需交互轮次减少58%，平均成本降低81%，首次实际编辑在第18步完成（中位数）（SWE-1.7为第48步）。 柱状图：SWE-2中等努力级别平均需53步完成每次运行，而SWE-1.7需127步；SWE-2在第18步（中位数）完成首次编辑，而SWE-1.7需第48步 **基准测试（Cognition自行报告）：**FrontierCode 1.1 Main 50.0，DeepSWE 1.1 73.0，Terminal-Bench 2.1 92.8，Terminal-Bench 4.0 27.3。核心亮点：FrontierCode得分50.0，仅比Claude Fable 5.1（50.9）低1分，比GPT-6 Astra（53.3）低3.3分——而据称其成本比Fable 5.1低64%，仅为Astra的四分之一。Terminal-Bench 2.1是公开榜单中的最高分。短板在于Terminal-Bench 4.0，SWE-2的27.3分明显落后于Fable 5.1（55.8）和GPT-6 Astra（57.9）——在长周期智能体任务上，与前沿水平的差距依然存在。 Cognition发布榜单的记分卡：展示SWE-2、SWE-1.7、Kimi K3、Grok 4.6、Fable 5.1、GPT-5.6 Sol和GPT-6 Astra在FrontierCode 1.1 Main、DeepSWE 1.1、Terminal-Bench 2.1和Terminal-Bench 4.0上的表现。SWE-2在Terminal-Bench 2.1上以92.8分领先，但在Terminal-Bench 4.0上仅得27.3分 FrontierCode 1.1 Main得分柱状图：GPT-6 Astra 53.3，Fable 5.1 50.9，SWE-2 50.0，Grok 4.6 48.0，GPT-5.6 Sol 47.5，Kimi K3 44.2，SWE-1.7 42.0 **权重专有，无法本地运行。**Cognition未公开SWE-2权重，因此无法下载，也无需等待量化版本。该模型现已在Devin Desktop和CLI中提供，并将逐步推出Devin Web和Fusion版本。Cognition未公布SWE-2的逐token API，因此任务成本对比（在FrontierCode同等性能下比Fable 5.1便宜64%）反映的是实际定价面，而非每百万token费率表。所有数据均为Cognition自报，有待独立验证。 codingagentic 参数2800.0B许可专有开发者Cognition (https://cognition.com/)来源🇺🇸 美国发布时间2026年9月 ## 人们正在用SWE-2构建什么 X平台上的真实演示 发布文章：SWE-2，基于Kimi K3后训练 - FrontierCode 1.1 Main 50.0，Terminal-Bench 2.1 92.8查看X推文 → (https://x.com/cognition/status/2098069235733823965) ## 基准测试分数 供应商报告 - 来自开发者自身的模型卡/技术报告 FrontierCode 1.1 Main 50.0 供应商报告 - 来自开发者自身的模型卡/技术报告 ## 或在云端运行 目前尚无针对SWE-2的逐token API提供商定价信息。旗舰版标价详情请参阅计算器 (https://tokenstead.ai/calculator)。 价格历史 ## 推理成本随时间变化 数据从首次每日同步开始积累——更长时间范围内的数据会随时间逐步填充。价格来源于OpenRouter快照，而非历史API。 加载价格历史中...